python实现基于SIFT算法的图像配准（仿射变换）

话不多说，直接上代码，可以用的话别忘了请喝可乐！（手动笑哭脸）

【用法】

第45、46行的输入：

img1 = cv2.imread('sift/3.jpg')

img2 = cv2.imread('sift/4.jpg')

分别是两幅图像，改成你打算要配准的两幅图像即可（修改图像路径）。

python的跨平台特性好，windows和macOS系统都可用。输出：三幅图像。窗口1、窗口2是你输入的两幅图像，Result窗口展示的是本算法结果，即把img2移动变换到与img1匹配时的样子。

#!/usr/bin/env python3
# -*- coding: utf-8 -*-
"""
Created on Tue Apr 23 16:37:02 2019
SIFT
@author: youxinlin
"""import numpy as np
import cv2def sift_kp(image):gray_image = cv2.cvtColor(image,cv2.COLOR_BGR2GRAY)sift = cv2.xfeatures2d_SIFT.create()kp,des = sift.detectAndCompute(image,None)kp_image = cv2.drawKeypoints(gray_image,kp,None)return kp_image,kp,desdef get_good_match(des1,des2):bf = cv2.BFMatcher()matches = bf.knnMatch(des1, des2, k=2)good = []for m, n in matches:if m.distance < 0.75 * n.distance:good.append(m)return gooddef siftImageAlignment(img1,img2):_,kp1,des1 = sift_kp(img1)_,kp2,des2 = sift_kp(img2)goodMatch = get_good_match(des1,des2)if len(goodMatch) > 4:ptsA= np.float32([kp1[m.queryIdx].pt for m in goodMatch]).reshape(-1, 1, 2)ptsB = np.float32([kp2[m.trainIdx].pt for m in goodMatch]).reshape(-1, 1, 2)ransacReprojThreshold = 4H, status =cv2.findHomography(ptsA,ptsB,cv2.RANSAC,ransacReprojThreshold);#其中H为求得的单应性矩阵矩阵#status则返回一个列表来表征匹配成功的特征点。#ptsA,ptsB为关键点#cv2.RANSAC, ransacReprojThreshold这两个参数与RANSAC有关imgOut = cv2.warpPerspective(img2, H, (img1.shape[1],img1.shape[0]),flags=cv2.INTER_LINEAR + cv2.WARP_INVERSE_MAP)return imgOut,H,statusimg1 = cv2.imread('sift/3.jpg')
img2 = cv2.imread('sift/4.jpg')
while img1.shape[0] >  1000 or img1.shape[1] >1000:img1 = cv2.resize(img1,None, fx=0.5,fy=0.5,interpolation = cv2.INTER_AREA)
while img2.shape[0] >  1000 or img2.shape[1] >1000:img2 = cv2.resize(img2,None, fx=0.5,fy=0.5,interpolation = cv2.INTER_AREA)result,_,_ = siftImageAlignment(img1,img2)
allImg = np.concatenate((img1,img2,result),axis=1)
cv2.namedWindow('1',cv2.WINDOW_NORMAL)
cv2.namedWindow('2',cv2.WINDOW_NORMAL)
cv2.namedWindow('Result',cv2.WINDOW_NORMAL)
cv2.imshow('1',img1)
cv2.imshow('2',img2)
cv2.imshow('Result',result)#cv2.imshow('Result',allImg)
if cv2.waitKey(2000) & 0xff == ord('q'):cv2.destroyAllWindows()cv2.waitKey(1)

【注意】如果你懂python，并且懂数字图像技术原理，可以网上搜资料读一读。特别是本程序中用到的单应性矩阵、KNN、RANSAC算法等。不多解释了。另外本程序做了降采样以加快处理速度，请自行调整。如果想并排展示，请直接用cv2.imshow出allImg这个变量试试~

如果你要显示key points的配对结果（连线图），可以用：

macth_img = cv2.drawMatchesKnn(img1,kp1,img2,kp2,matches,None,flags=2)

然后show出macth_img。

部分代码来源整合于网络，仅供学习交流使用。

参考文献：Lowe, David G. "Object recognition from local scale-invariant features." iccv. Vol. 99. No. 2. 1999.

python实现基于SIFT算法的图像配准（仿射变换）相关推荐

基于SIFT特征的图像配准（附Matlab源代码）
基于SIFT特征的图像配准(附Matlab源代码) 本文先给出了采用SIFT方法进行图像配准的实验原图以及实验结果,最后附上Matlab源代码. 实验一: 实验一的图像(见图1.1)是本人自己拍摄的, ...
c语言编程图像拼接,一种基于Lucas-Kanade算法的图像配准和拼接方法
一种基于Lucas-Kanade算法的图像配准和拼接方法 [技术领域] [0001 ]本发明涉及图像处理技术领域,具体涉及一种基于Lucas-Kanade算法的图像配准和拼接方法. [背景技术] [ ...
python实现基于OCR算法的图像文字识别报错
最近想用python实现基于OCR算法的图像文字识别工作,在网上看到调库实现的代码基于Python的OCR实现,在操作后报错,如下: 需要执行: brew install tesseract 然后执行 ...
基于sift特征提取的图像配准算法matlab仿真
目录 1.算法描述 2.仿真效果预览 3.MATLAB核心程序 4.完整MATLAB 1.算法描述 SIFT 是一种从图像中提取独特不变特征的方法,其特点为基于图像的一些局部特征,而与图像整体的大小和 ...
SIFT-FCACO算法的图像配准
SIFT-FCACO算法的图像配准 2014年微型机与应用第15期作者:吴金津,文志强,龙永新,武岫缘 2015/6/1 19:12:00 关键词: SIFT-FCACO算法蚁群算法 RANSAC ...
图像配准系列之基于FFD形变与粒子群算法的图像配准
在之前的文章中,我们分别使用了梯度下降发与LM算法来优化FFD形变的控制参数,达到图像配准的目的: 图像配准系列之基于FFD形变与梯度下降法的图像配准图像配准系列之基于FFD形变与LM算法的图像配准 ...
基于强化学习的图像配准 - Image Registration: Reinforcement Learning Approaches
配准定义给定参考图像 I_f 和浮动图像 I_m ,所谓的配准就是寻找一个图像变换T,将浮动图像I_m变换到和 I_f 相同的坐标空间下,使得两个图像中对应的点处于同一坐标下,从而达到信息聚合的目的 ...
python实现蒙特卡洛算法_用Python实现基于蒙特卡洛算法小实验
用Python实现基于蒙特卡洛算法小实验蒙特卡洛算法思想蒙特卡洛(Monte Carlo)法是一类随机算法的统称,提出者是大名鼎鼎的数学家冯· 诺伊曼 ,他在20世纪40年代中期用驰名世界的赌城- ...
【图像配准】基于粒子群改进sift实现SAR图像配准附matlab代码
1 简介 1.1 SIFT综述尺度不变特征转换(Scale-invariant feature transform或SIFT)是一种电脑视觉的算法用来侦测与描述影像中的局部性特征,它在空间尺度中寻找 ...

python实现基于SIFT算法的图像配准（仿射变换）

python实现基于SIFT算法的图像配准（仿射变换）相关推荐

最新文章

热门文章